使用 Azure Cosmos DB for Apache Gremlin 为图形数据建模
适用对象：
Gremlin
本文提供有关使用图形数据模型的建议。 随着数据的发展，这些最佳做法对于确保图形数据库系统的可伸缩性和性能至关重要。 高效的数据模型对于大型图形尤其重要。
要求
本指南中概述的过程基于以下假设：
- 识别了问题空间中的实体 。 每个请求以原子方式使用这些实体 。 换句话说，数据库系统不会在多个查询请求中检索单个实体的数据。
- 了解数据库系统的读取和写入要求。 这些要求指导图形数据模型所需的优化。
- 充分了解 Apache Tinkerpop 属性图形标准的原则。
何时需要图形数据库？
如果数据域中的实体和关系具有以下任何特征，则可以最佳地使用图形数据库解决方案：
- 实体通过描述性关系彼此联系紧密 。 这种情况下的好处是，这些关系可以在存储中持久存在。
- 有循环关系或自引用实体 。 使用关系数据库或文档数据库时，这种模式通常是一个挑战。
- 实体之间存在动态发展的关系 。 此模式特别适用于具有多个级别的分层或树状结构数据。
- 实体之间存在多对多关系 。
- 对实体和关系都有写入和读取要求 。
如果满足上述条件，则图形数据库方法可能会为查询复杂性、数据模型可伸缩性和查询性能提供优势。
下一步是确定图形是否将用于分析或事务目的。 如果图形将用于繁重的计算和数据处理工作负载，则值得探索 Cosmos DB Spark 连接器和 GraphX 库。
如何使用图形对象
Apache Tinkerpop 属性图形标准定义了两种类型的对象：顶点和边缘。
以下是图形对象中属性的最佳做法：
| Object | 属性 | 类型 | 注释 |
|---|---|---|---|
| 顶点 | ID | String | 每个分区唯一强制执行。 如果插入时未提供值，则将存储自动生成的 GUID。 |
| 顶点 | Label | String | 此属性用于定义顶点表示的实体类型。 如果未提供值，则将使用默认值 vertex。 |
| 顶点 | 属性 | 字符串、布尔值、数字 | 在每个顶点中存储为键值对的单独属性的列表。 |
| 顶点 | 分区键 | 字符串、布尔值、数字 | 此属性定义顶点及其传出边缘的存储位置。 有关更多信息，请参阅图形分区。 |
| Edge | ID | String | 每个分区唯一强制执行。 默认情况下自动生成。 边缘通常不需要通过 ID 唯一检索。 |
| Edge | Label | String | 此属性用于定义两个顶点具有的关系类型。 |
| Edge | 属性 | 字符串、布尔值、数字 | 在每个边缘中存储为键值对的单独属性的列表。 |
注意
边缘不需要分区键值，因为它的值是根据其源顶点自动分配的。 有关详细信息，请参阅在 Azure Cosmos DB 中使用分区图形。
实体和关系建模指南
以下指南有助于处理 Azure Cosmos DB for Apache Gremlin 图形数据库的数据建模。 这些指南假设存在数据域的现有定义并对其进行查询。
注意
以下步骤作为建议提供。 在将最终模型视为生产就绪之前，应对其进行评估和测试。 此外，建议特定于 Azure Cosmos DB Gremlin API 实现。
对顶点和属性建模
图形数据模型的第一步是将每个已识别的实体映射到顶点对象 。 所有实体到顶点的一对一映射应该是初始步骤，并且可能会发生更改。
一个常见的缺陷是将单个实体的属性映射为单独的顶点。 请考虑以下示例，其中相同的实体以两种不同的方式表示：
基于顶点属性：在这种方法中，实体使用三个单独的顶点和两个边缘来描述其属性。 虽然这种方法可以减少冗余，但会增加模型复杂性。 模型复杂性的增加可能会导致延迟、查询复杂性和计算成本增加。 此模型还可能在分区方面带来挑战。
属性嵌入式顶点：这种方法利用键值对列表来表示顶点内实体的所有属性。 这种方法降低了模型复杂性，使查询更简单、遍历成本更低。
注意
前面的图表显示了一个简化的图形模型，它只比较实体属性的两种划分方式。
属性嵌入式顶点模式通常提供更高的性能和可缩放的方法 。 新图形数据模型的默认方法应该倾向于这种模式。
但是，在某些情况下，引用属性可能会带来优势。 例如，如果引用的属性经常更新。 使用单独的顶点来表示不断更改的属性，以最大程度地减少更新所需的写入操作量。
具有边缘方向的关系模型
对顶点建模之后，可以添加边缘，以表示它们之间的关系。 需要评估的第一个方面是关系的方向 。
边缘对象具有默认方向，在使用 out() 或 outE() 函数时后跟遍历。 使用这种自然方向可以实现高效操作，因为所有顶点都与其传出边缘一起存储。
但是，使用 in() 函数在边缘的相反方向遍历将始终导致跨分区查询。 详细了解图形分区。 如果需要使用 in() 函数不断遍历，建议在两个方向上添加边缘。
可以通过对 .addE() Gremlin 步骤使用 .to() 或 .from() 谓词来确定边缘方向。 或通过使用适用于 Gremlin API 的批量执行程序库来确定。
注意
边缘对象默认具有方向。
关系标签
使用描述性关系标签可以提高边缘解析操作的效率。 可以通过以下方式应用此模式：
- 使用非通用术语来标记关系。
- 使用关系名称将源顶点的标签与目标顶点的标签相关联。
遍历器用于筛选边缘的标签越具体越好。 此决定也会对查询成本产生显著影响。 可以使用 executionProfile 步骤随时评估查询成本。
后续步骤
- 请查看支持的 Gremlin 步骤列表。
- 了解图形数据库分区以处理大型图形。
- 使用执行配置文件步骤评估 Gremlin 查询。
- 第三方图形设计数据模型。